张行，张传金，马衍颂，李雨潭，贾晨曦

（江苏建筑职业技术学院 智能制造学院，江苏徐州 221116）

1 研究背景

机器视觉技术是工业4.0 的核心要素[1-3]，随着科技革命与产业变革的推进，机器视觉从最初的汽车制造行业快速扩展到工业、民用、军事和科学研究等领域[4-6]，预计2023 年，全球机器视觉市场规模可达250 亿美元。我国机器视觉市场起步较晚，2008 年开始快速发展并一直处于高速增长状态，据中国机器视觉产业联盟（CMVU）调查统计，2017—2019 年我国机器视觉市场规模从81.66 亿元增长到103.06 亿元，预计2023 年规模可达180 亿元，到2025 年我国将是机器视觉领域的最大市场[7-8]。《全球人工智能产业分布》报告数据显示：预计2025年新一代信息技术产业将面临人才缺口的严峻问题[9-10]，尤其在算法、机器学习、机器视觉、图像识别等领域，缺口将达到950 万人。

此外，伴随《中国制造2025》战略的实施，机器视觉技术获得国家产业政策的支持：2016 年12 月，国家工业和信息化部、财政部制定《智能制造发展规划（2016—2020 年）》，提出视觉传感器是智能制造装备创新发展的重点之一；2017 年7 月，国务院印发《新一代人工智能发展规划》，在人工智能产业规划中特别强调研究复杂工况环境下的视觉定位、导航、识别等自主控制技术；2020 年12 月，国家工业和信息化部印发《工业互联网创新发展行动计划（2021—2023 年）》，提出加强工业互联网基础支撑技术攻关，支持工业人工智能芯片和工业视觉传感器等基础软硬件的研发突破。 随着“互联网+”的快速发展[11-12]，机器人视觉技术及应用课程传统教学模式与信息化技术融合愈发深入，2019 年2 月，国务院印发《国家职业教育改革实施方案》，提出“教育应适应‘互联网+职业教育’发展需求，运用现代信息技术改进教学方式方法”，为机器人视觉技术及应用教学模式的探索提供了有力支撑。

2 课程面临关键问题

目前，我国劳动力成本上升[13]，企业迫切要求降本增效，且庞大的工业体量亟需高精度和柔性生产的升级改造，这些都为机器视觉的发展提供了巨大空间。为满足国家和企业人才需求[14]，2016 年6 月，教育部印发《教育信息化“十三五”规划》，将信息化教学能力纳入学校办学水平考评体系；2018 年4 月，教育部印发《教育信息化2.0 行动计划》，提出了将人工智能切实融入实际教学环境中，实现因材施教、个性化教学的要求；2019 年2 月，教育部办公厅印发《2019 年教育信息化和网络安全工作要点》，要求推动大数据、虚拟现实、人工智能等新技术在教育教学中的深入应用。 近年来，江苏建筑职业技术学院智能制造学院通过与徐工重型机械有限公司、上海振华重工港机通用装备有限公司以及吉利汽车动力制造公司等进行校企合作，实施“双元制”教育[15]，进行了全面而系统的教学设计和教学改革。其中，工业机器人专业以省重点机电一体化专业群为依托，建立了以机器人视觉技术及应用专项能力课程为代表的完整课程体系，课程的教学模式初步形成，但仍存在很大改进和提升空间，当前需解决的关键问题如下。

2.1 教学主体意识薄弱，课程学习定位偏颇

学生对机器人视觉技术及应用课程认识不足，难以掌握课程学习与生活、工业生产及思想建设的关系，对课程学习期望较低；部分学生学习基础薄弱、缺乏课程学习兴趣、主动学习能力差。教师在教学中未充分挖掘思政元素，使得教学环节和思政教育脱节。机器人视觉技术及应用属于专项能力课程，涉及机械电子、电气自动化、信息处理技术和计算机技术等多学科内容，旨在培养人工智能领域的应用型人才，部分教师对课程定位偏颇，对产教孪生和“互联网+”缺乏深刻认知，且信息化教学理念和专业能力欠缺。

2.2 课程知识体系庞大，教学模式传统单一

机器人视觉技术及应用课程设置在单学期，共计54 学时，包括机器视觉基础、光源系统、工业镜头、工业相机、图像处理技术、VisionPro 软件安装及操作和工程项目实训等内容，涉及多学科交叉内容讲解，知识体量大；课程沿用传统“单向输出”授课方式，以教材讲授和多媒体教学为主，难以培养学生的想象力和创造力，教学效果欠佳。

2.3 教学资源配置匮乏，理论与实践脱节

机器人视觉技术及应用课程教学设计、教学实施以理论为主，课程教学体系不完善，教学内容针对性不强，无法突出学生应用能力的培养；课程受教学场地、机器视觉系统设备、实训平台等教学资源限制，与实践环节缺少衔接，难以满足项目化教学的需求。

2.4 教学导向性差，未体现行业需求

机器人视觉技术及应用课程局限于教材内容，难以支撑不同专业的课程教学需求，专业课程协同性、共享性差，难以形成交互共融的课程体系；机器视觉行业覆盖了全产业链的各个环节，我国机器视觉企业的数量逐年增加，规模逐年扩大，人才缺口巨大，课程教学内容滞后于产业发展，难以培养符合行业需求的高素质人才。

2.5 教学评价机制单一，管理效率低下

机器人视觉技术及应用课程考核仍沿用“平时成绩+期末考试成绩”的考评机制，方式单一，无法对学生进行全面评价；受教学资源的限制，实践考查方式仍以PPT 展示及软件视频演示为主，学生对行业的认知有限，难以激发自主探求知识的欲望。

3 课程建设主要目标

本文以机器人视觉技术及应用课程为例，立足产教孪生的校企联合机制，将信息化技术融入教学系统，探索课程教学新模式，拟完成以下建设目标。

3.1 加强教学主体思想建设，提高教师信息化教学水平

高校确保机器人视觉技术及应用课程紧跟信息化技术更新方向，通过思想建设提高学生课程学习的主观能动性；以信息化教学和产教协同理念塑造优秀的教师队伍，提高教师的专业技能和教学水平。

3.2 校企共建课程教学内容，打造多样化混合式教学模式

校企加大产教融合力度，结合企业机器视觉技术实际应用场景，共建多样化实训教材，克服机器人视觉技术及应用课程体量庞大、授课盲目性强的问题；以“互联网+”为依托，建立多元混合的线上线下交互教学模式，提高课程教学的灵活性。

3.3 孪生重构教学资源，实现理论与实践的无缝对接

依托校企现有实验室、实训基地和生产流水线深化合作，并借助互联网海量资源打造共享教学资源平台，使学生在开展理论基础学习的同时，无缝对接项目化实训及产品产出，从而有效解决机器视觉技术教学与行业发展脱轨的问题，提高学生的技能实践水平。

3.4 提高教学导向作用，填补行业人才需求空缺

结合机器视觉行业发展需求，针对性地建立符合产业链不同领域需求的普适性课程，克服教学过程滞后于行业发展需求的问题，产教孪生联合共建信息化人才培养机制，解决机器视觉技术行业人才紧缺问题。

3.5 完善教学评价制度，构建科学的教学管理体系

依据课程教学标准和企业产品研发评价机制，克服考核方式单一的问题，校企共建以项目和产品驱动为核心的多元化考核机制，促进学生综合能力的提升。

4 课程构建措施

基于产教孪生理念与“互联网+”信息化技术，对机器人视觉技术及应用课程教学模式进行改革，针对现存问题采取以下措施。

4.1 深挖思政元素，校企共建双师队伍协同育人

机器视觉技术应用领域广，基于机器视觉行业典型案例及企业实际生产情境，将课程内容与思政元素融合，融入爱国情怀、敬业创新和工匠精神等元素，提高学生对课程学习的期望；坚持以学生为中心，以“走出去，请进来”为宗旨，鼓励教师参加企业培训并向企业专家转型，聘请企业专家参与课堂教学，构建“双师型”教学队伍，提高教师信息化教学水平和整体科研素质，把握学科前沿信息，提高教学质量。

4.2 深化教学内容改革，实现教学模式创新

结合机器视觉技术真实应用案例，借鉴徐工重型机械有限公司等企业生产和培训教材，产教孪生联合开发满足生产前沿需求的活页教材、手册式教材以及信息化教材，精简浓缩课程内容；依托“互联网+”技术与企业对接，共建信息化教学平台，收集和制定信息化教学资源，以打破时空限制，制定线上线下交互、分层教学和翻转课堂等融合的混合教学模式，丰富学习资源并提高学生的学习热情和学习效率。

4.3 产教孪生共建资源，实现教学理实一体化

学校与上海金东唐科技有限公司共建产教融合基地，依托中国大学MOOC 和云课堂等互联网开放教学平台，建立机器视觉教学在线开放课程和教学资源库，实现校企网络教学资源共享；机器人视觉技术及应用课程将理论与实践相结合，实施产教融合联合共建“机器视觉系统开发实训平台”，巩固课堂基础理论，以任务驱动和产品产出为导向，培养学生的实践能力，培养高素质的技能人才。

4.4 对接产业人才需求，探索校企双驱动联合培养机制

依据机器视觉行业企业需求，定期制定人才需求调查研究报告，设置融合不同行业需求的多层次课程内容，以满足不同专业领域内机器视觉技术的协同共享需求；学校与企业联合申报并孵化项目，共同协助引导学生参加“挑战杯”“互联网+”大赛等，通过对接企业实际项目制定人才培养计划，开展技术攻关或产品研发，助力产教融合的创新人才培养。

4.5 完善考核评价机制，提高管理效率

在“互联网+教育”时代背景下，改变传统的书面考核方式，建立理论考查、创新能力大赛以及“1+X” 专业证书考证相结合的多元化评价考核模式，注重学生解决实际问题的能力以及创新能力的评定，以促进学生综合能力的提高。

5 结束语

机器视觉赋予机器“看”和“认知”的能力，可利用数字成像系统代替人类视觉系统，通过对图像获取、处理、分析和识别提取重要信息特征，做出决策、自主行动，并能以远超于人类视觉的性能助力自动化、智能化的发展，被广泛应用于生产和生活的不同场景中。本文立足高职教育与机器视觉产业融合，探索将“互联网+”技术融入机器人视觉技术及应用课程的教学新模式，基于产教孪生理念实现校企协同教学、优势互补、互融共生和一体化发展，联合培养复合型高素质机器视觉技术技能人才。